- AIエージェント
- 指示を受けたAIが、手順を自分で考え、検索やツール操作などを繰り返しながら作業を最後まで進める仕組み。「エージェント型」はその進め方を指す。
- API
- プログラムから別のサービスの機能を呼び出すための窓口。画面を操作する代わりに、決まった形式でリクエストを送ってAIなどを使う。
- computer use(コンピュータ操作)
- AIが画面を見ながら、クリックや文字入力を自分で行ってパソコン上の作業を進める機能。人がマウスとキーボードで操作するのと同じ形で動く。
- Firecracker microVM
- AWSが開発した、軽量な仮想マシンを素早く起動する技術。AWS Lambdaなどで使われ、処理ごとに環境を分けて、互いのデータが混ざらないようにする。
- Inference Gateway
- 複数のAIモデルや実行環境の手前に置き、届いたリクエストをどこへ回すか振り分ける入口。利用量の制限などもここでかける。
- RAG(検索拡張生成)
- AIが答える前に社内文書などから関連する部分を検索し、それを参考に回答を作る方法。学習していない最新情報や社内情報にも答えられる。
- SOTA(最先端)
- ある課題で、その時点の最高水準の性能を出していること。AIの発表では、評価テストの記録を更新したモデルを示すときによく使われる。
- state of the art
- ある分野やベンチマークで、その時点で最も高い性能や成果のこと。略してSOTAとも呼ばれ、「最先端」と訳される。新しい最高記録を出したことを示すのに使われる。
- エンドポイント
- プログラムからサービスやモデルを呼び出すときの接続先。SageMakerなどでは、デプロイしたモデルを動かして呼び出しを受け付ける推論用の環境を指す。
- エージェントスタック
- AIエージェントを動かすために組み合わせる部品一式。モデルのほか、道具の呼び出し、記憶、実行環境などを重ねた構成を指すが、定義は定まっておらず、含める範囲は記事や企業によって異なる。
- エージェント型コーディング
- AIがコードを書くだけでなく、ファイルの調査や編集、テストの実行などを自分で段取りを組んで進める開発のやり方。人は指示と確認に集中しやすくなる。
- エージェント型タスク
- AIが自ら手順を考え、ツール操作や情報収集を重ねながら複数の工程を進めて目的を達成する種類の作業。一問一答で終わる質問応答とは区別される。
- エージェント型ワークフロー
- AIが自分で計画を立て、ツールを使いながら複数の手順を順にこなして作業を進める仕事の流れ。一問一答の使い方より複雑な作業を任せられる。
- ガバナンス
- 組織でAIを使うときの「誰が何に責任を持ち、何を許可するか」というルールと管理の体制。監査や権限管理などを含めて語られる。
- クォータ
- AWSなどで、アカウントごとに決められた利用量の上限。使えるインスタンスの数や1秒あたりの呼び出し回数などがあり、足りなければ引き上げを申請する。
- コンテキスト
- AIが回答するときに参照できる、会話の履歴や渡された資料などの情報。一度に扱える量に上限があり、文脈によって指す範囲が少し変わる。
- コンテキストウィンドウ
- AIが一度に読み込んで扱える情報量の上限。トークン数で表され、これを超えると古い部分や長い資料の一部が切り捨てられる。
- サブエージェント
- メインのAIエージェントから作業の一部を任され、独立して処理する補助役のAIエージェント。作業を分担して並行で進めることで、大きなタスクを効率よくこなせる。
- システムプロンプト
- AIに最初に渡す、役割や守るべきルール、口調などの前提を決める指示。ユーザーの質問とは別に与えられ、AIの振る舞いの土台になる。
- ストリーミング
- 結果が全部そろうのを待たず、できた部分から少しずつ順に受け取る返し方。途中経過が見えるため、待ち時間を短く感じられる。
- セマンティック検索
- キーワードの一致ではなく、文章の意味の近さで探す検索。言い回しが違っても、質問と内容が近い文書や、目的に合ったツールを見つけられる。
- ターン交代
- 会話で、話し手と聞き手が入れ替わるタイミングのこと。音声AIでは、相手が話し終えたかを見極め、自然な間合いで応答したり割り込みに対応したりできるかが重要になる。
- チャンク
- 長いデータを扱いやすい大きさに区切った一かたまり。検索(RAG)用に文書を分けた断片や、音声を少しずつ送るときの一区切りを指す。
- ツール呼び出し
- AIモデルが会話の途中で、検索や計算、外部サービスなどの道具を自分で呼び出して使う仕組み。AIが文章を返すだけでなく、実際の作業までこなすための土台になる。
- トークン
- AIが文章を読み書きするときの細かな単位。日本語ならおおむね1〜数文字ほどで、処理できる量や利用料金はこのトークン数で数える。
- トークン効率
- 同じ課題をこなすのに、AIがどれだけ少ないトークン(AIが文章を処理する単位)で済むかの度合い。高いほど処理が速く、利用料金も抑えやすい。
- ナレッジベース
- AIが回答の参考にできるよう、社内文書などをまとめて検索しやすくしたデータの集まり。Amazon BedrockではRAGを手軽に組める機能の名前でもある。
- ナレッジワーク
- 文書の作成や分析、調査、資料づくりなど、知識や情報を扱って価値を生む仕事のこと。AIモデルが実際の業務でどれだけ役立つかを測る分野として使われる。
- ハルシネーション
- AIが事実と違う内容や、存在しない情報を、もっともらしく答えてしまう現象。AIの回答でも、数値や出典の確認が欠かせない理由の一つ。
- パイプライン
- 文字起こし→文章生成→読み上げのように、複数の処理を順番につないで一続きにした流れ。前の処理の出力が次の入力になる。
- パレートフロンティア
- 精度とコストのように両立しにくい2つの指標で、一方を悪くせずにはもう一方を改善できない最良の組み合わせを結んだ線。これを押し広げることが性能向上を意味する。
- パーソナルエージェント
- 個人の好みや予定、過去のやり取りを踏まえて、その人のために作業を進めるAIエージェント。仕事用ではなく、日常の用事や情報整理の手伝いを想定する。
- フォールバック
- 第一の手段が使えないときに、あらかじめ決めておいた代わりの手段に切り替えること。止まらずに処理を続けるための備えとして組み込む。
- プレフィックス
- プロンプトの先頭部分のこと。プロンプトキャッシュでは、毎回共通する先頭部分を保存して使い回し、処理時間や料金を抑える。
- プロンプト
- AIに渡す指示や質問の文章。書き方しだいで回答の質や振る舞いが大きく変わるため、役割や条件を細かく書き込むこともある。
- プロンプトキャッシュ
- 毎回同じ指示や資料をAIに送る場合に、一度処理した部分を使い回す仕組み。応答が速くなり、入力の料金も抑えやすくなる。長い指示を毎回送るアプリで効く。
- ベンチマーク
- AIモデルの性能を比べるために使う共通の問題セットと評価方法。同じ条件で採点するので、モデルごとの得意・不得意を比べやすくなる。
- ポーリング
- 処理が終わったかどうかを、一定の間隔で繰り返し確認しにいく方式。時間のかかる処理の結果を、完了の連絡を待たずに取りにいくときに使う。
- マルチエージェント
- 複数のAIエージェントが役割を分担し、やり取りしながら1つの仕事を進める構成。1つでは大きすぎる作業を、手分けして並行で進めやすくなる。
- ユニファイドメモリ
- CPUやGPUなど複数の処理装置が、1つのメモリを共有して使う仕組み。装置間のデータの受け渡しが減るため、大きなAIモデルを手元のパソコンで動かしやすくなる。
- ローカルエージェント
- 自分のパソコンなど、手元の環境の中で動くAIエージェント。データを外に出さずにファイルやアプリを操作できるが、処理能力は機器に左右される。
- 偽陽性
- 本当は問題がないのに、問題ありと誤って判定してしまうこと。テストの誤検知や、人が書いた文章をAI生成と見誤るケースなどがある。
- 物理AI
- ロボットや自動運転車のように、現実世界を認識し、実際に体を動かして物理的な作業をこなすAI。画面上で完結するAIと違い、現実の環境で動く点が特徴。
- 生成AI
- 文章・画像・音声・動画・コードなどの新しいコンテンツを作り出すAIの総称。学習した大量のデータをもとに、指示に合わせた内容を生成する。
- 非同期ツール呼び出し
- AIがツールの処理結果を待つあいだも、会話や別の作業を止めずに続けられる仕組み。時間のかかる処理を裏で進めながら、やりとりを続けられる。